近期，抖音集團旗下備受矚目的圖片視頻工具即夢(mèng)AI在官方社交媒體上重磅發(fā)布了一條新功能上線(xiàn)預告片，預示著(zhù)即夢(mèng)AI又將帶來(lái)全新的精彩體驗！

視頻顯示，新功能采用了全新的多模態(tài)視頻生成模型OmniHuman，讓用戶(hù)僅需輸入一張圖片和一段音頻，就可以生成一條生動(dòng)的AI視頻，有望大幅提升AI短片的制作效率和質(zhì)量。

OmniHuman技術(shù)主頁(yè)信息顯示，該模型為字節跳動(dòng)自研的閉源模型，可支持肖像、半身以及全身等不同尺寸的圖片輸入，并根據輸入的音頻，在視頻中讓人物生成與之匹配的動(dòng)作，包括演講、唱歌、樂(lè )器演奏以及移動(dòng)。

對于人物視頻生成中常見(jiàn)的手勢崩壞，也相比現有方法取得了顯著(zhù)的改善。

此外，對動(dòng)漫、3D卡通等非真人圖片輸入的支持效果也較為出色，生成的視頻能保持特定風(fēng)格和原有的運動(dòng)模式。

根據技術(shù)主頁(yè)展示的演示效果來(lái)看，OmniHuman的生成效果已經(jīng)具有較高的自然度。為防止該項技術(shù)被不當利用，字節跳動(dòng)技術(shù)團隊在主頁(yè)中特別標注稱(chēng)，OmniHuman將不會(huì )對外提供下載。

即夢(mèng)AI相關(guān)負責人透露，該模型目前已具備較好的表現，但在生成影視真實(shí)級別的視頻上仍存在一定的提升空間。

由其支持的多模態(tài)視頻生成功能會(huì )在即夢(mèng)上以小范圍內測的形式進(jìn)行調優(yōu)調整，并逐步開(kāi)放。

該負責人同時(shí)表示，即夢(mèng)還會(huì )對這一功能設置嚴格的安全審核機制，并且對輸出的視頻標注水印以作提醒，從而確保AI發(fā)揮正面、積極的作用，助力視頻創(chuàng )作者更好地實(shí)現想象力的表達。